时空捕食：面对不确定性与受限机器人感知的稳健物体操控框架

现实世界的物体操控常面临物理不确定性和感知限制。虽然基于捕食配置的操控框架已成功提供了稳健解决方案，但由于对多机器人 availability、广布接触或机器人或物体特定几何形状的严格要求，适用性有限。建立在先前传感器无感知操控思想和不确定性处理方法基础上，本工作提出了一种新框架，称为时空捕食 (Caging in Time)，以允许即使仅有一个机器人参与任务，也能形成捕食配置。这一概念基于这样一种洞见：尽管捕食需要约束物体运动，但捕食在任何时刻仅由其一部分主动接触物体。因此，通过战略性地切换末端执行器配置并在时间上压缩其配置，我们在需要时随时可形成具有必要部分主动性的捕食。我们在具有挑战性的准静态和动态操控任务上实现了该方法，表明时空捕食可在包括几何基和能量基捕食 formulation 在内的广泛捕食 formulation 中实现。通过大量实验，我们表明时空捕食在不要求详细了解物体几何或物理属性，或对操控状态进行实时准确反馈的情况下，能够实现稳健且精确的操控。除了作为有效且稳健的开环操控解决方案外，时空捕食还可作为受限机器人感知的其他操控系统的补充策略。